Abas

1- Introdução

Essa análise é correspondente aos dados gerados por viagens de avião durante os anos 2000-2024 de todos os aeroportos do mundo.

Esses dados são interessantes para analisar tendencias de viagens e em relação aos impactos que os varios eventos mundiais causam no sistema aeroviário.

2- Pacotes Necessários

## Carregando pacotes exigidos: ggplot2
## 
## Attaching package: 'plotly'
## The following object is masked from 'package:ggplot2':
## 
##     last_plot
## The following object is masked from 'package:stats':
## 
##     filter
## The following object is masked from 'package:graphics':
## 
##     layout
## 
## Attaching package: 'dplyr'
## The following objects are masked from 'package:stats':
## 
##     filter, lag
## The following objects are masked from 'package:base':
## 
##     intersect, setdiff, setequal, union

3- Import e Preparação

data <- read.csv("C:/Users/Lucas Henrique/Desktop/UFRPE/Comp. Analise de Dados/Dados_Estatisticos.csv",sep = ";", header=TRUE)

data_filt <- data %>% select(4,5,6,7,8,10,12,13,14,16,20,21)

data_filt <- data_filt %>% filter(
  !is.na(ANO) & ANO != "" &
    !is.na(MES) & MES != "" &
    !is.na(AEROPORTO_DE_ORIGEM_NOME) & AEROPORTO_DE_ORIGEM_NOME != "" &
    !is.na(AEROPORTO_DE_DESTINO_NOME) & AEROPORTO_DE_DESTINO_NOME != "" &
    !is.na(PASSAGEIROS_PAGOS) &
    !is.na(PASSAGEIROS_GRATIS)
)

data_filt$PASSAGEIROS_TOTAIS = data_filt$PASSAGEIROS_GRATIS + data_filt$PASSAGEIROS_PAGOS

datatable(head(data_filt,20), options = list(scrollX = TRUE))

4- Dados

df_ano <- data_filt %>%
  group_by(ANO) %>%
  summarise(soma_valores = sum(PASSAGEIROS_TOTAIS, na.rm = TRUE))

datatable(head(df_ano,20), options = list(scrollX = TRUE))
fig <- plot_ly(x = ~df_ano$ANO, y = ~df_ano$soma_valores, type = 'scatter', mode = 'lines+markers')
  
fig <- fig %>%
  layout(title = 'Frequencia de voos durantes os anos 2000 - 2024',
         yaxis=list(title = 'Qnd de Voos'),
         xaxis=list(title = 'Anos'))

fig
data_2023 <- data_filt %>% filter(ANO == 2023)

datatable(head(data_2023,20), options = list(scrollX = TRUE))
df_2023 <- data_2023 %>%
  group_by(MES) %>%
  summarise(soma_valores = sum(PASSAGEIROS_TOTAIS, na.rm = TRUE))

fig <- plot_ly(x = ~df_2023$MES, y = ~df_2023$soma_valores, type = 'scatter', mode = 'lines+markers')

fig <- fig %>%
  layout(title = 'Frequencia de voos durantes os meses de 2023',
         yaxis=list(title = 'Qnd de Voos'),
         xaxis=list(title = 'Meses'))

fig
data_2020 <- data_filt %>% filter(ANO == 2020)

datatable(head(data_2020,20), options = list(scrollX = TRUE))
df_2020 <- data_2020 %>%
  group_by(MES) %>%
  summarise(soma_valores = sum(PASSAGEIROS_TOTAIS, na.rm = TRUE))

fig <- plot_ly(x = ~df_2020$MES, y = ~df_2020$soma_valores, type = 'scatter', mode = 'lines+markers')

fig <- fig %>%
  layout(title = 'Frequencia de voos durantes os meses de 2020',
         yaxis=list(title = 'Qnd de Voos'),
         xaxis=list(title = 'Meses'))

fig
data_2019 <- data_filt %>% filter(ANO == 2019)

datatable(head(data_2019,20), options = list(scrollX = TRUE))
df_2019 <- data_2019 %>%
  group_by(MES) %>%
  summarise(soma_valores = sum(PASSAGEIROS_TOTAIS, na.rm = TRUE))

fig <- plot_ly(x = ~df_2019$MES, y = ~df_2019$soma_valores, type = 'scatter', mode = 'lines+markers')

fig <- fig %>%
  layout(title = 'Frequencia de voos durantes os meses de 2019',
         yaxis=list(title = 'Qnd de Voos'),
         xaxis=list(title = 'Meses'))

fig

5- Conclusão